Please wait a minute...
img

官方微信

遥感技术与应用  2019, Vol. 34 Issue (6): 1276-1285    DOI: 10.11873/j.issn.1004-0323.2019.6.1276
数据与图像处理     
基于Landsat 8的全球精选遥感数据集汇聚方法
栾佳萍1,2(),张连翀2,曾怡1()
1.北京林业大学信息学院,北京 100083
2.中国科学院遥感与数字地球研究所,北京 100094
Integrating Method of Global Selected Remote Sensing Dataset based on Landsat 8
Jiaping Luan1,2(),Lianchong Zhang2,Yi Zeng1()
1.School of Information Science and Technology of Beijing Forestry University, Beijing 100083, China
2.Institute of Remote Sensing and Digital Earth of Chinese Academy of Sciences, Beijing 100094, China
 全文: PDF(2996 KB)   HTML
摘要:

空间对地观测技术为地球系统科学研究提供了多时相、宽覆盖、立体化的遥感数据资源,使对地球系统行为的观测、理解、模拟及预测变为可能。然而,如何从海量数据资源中及时有效地获取信息也成为日渐凸显的问题。现有遥感数据服务系统的检索结果冗余度高,既无法直接满足用户多样化需求,也增加了高质量数据清洗成本。为此,基于2017年全球Landsat 8卫星元数据检索信息,建立由空间完整性、时间邻近性及云覆盖量3个专有指标组成的质量评价体系,设计满足最简化和定制化需求的精选遥感数据集汇聚方法。实验结果表明:该方法在不改变现有遥感数据服务系统的同时提高数据的检索效率和精度。

关键词: Landsat 8质量评价体系精选数据集    
Abstract:

Earth observation technology provides massive multi-temporal, wide-coverage and three-dimensional remote sensing data resources for Earth System science, making it possible to observe, understand, simulate and predict the complex behavior of earth systems. However, large redundant information from the existing remote sensing data retrieval systems fails to directly meet the diverse research needs and also increases the high-quality data cleaning cost. In this study, a newly retrieval results optimization method was established based on Landsat 8 satellite metadata database in 2017. The method is to select three indicators as a data quality evaluation system, including spatial integrity, temporal proximity and cloud cover, to filter out the high-quality datasets. The simplest and customized experimental results show that this method can improve the efficiency and accuracy of data retrieval and no changes for the existing data service system.

Key words: Landsat 8    Quality evaluation system    High-quality dataset
收稿日期: 2018-08-25 出版日期: 2020-03-23
ZTFLH:  TP75  
基金资助: 中国科学院“地球大数据科学工程”A类战略性先导科技专项“陆地观测数据资源汇聚与整理”(XDA19020201)
通讯作者: 曾怡     E-mail: luanjp0801@163.com;zengyi@bjfu.edu.cn
作者简介: 栾佳萍(1993-),女,黑龙江哈尔滨人,硕士研究生,主要从事空间信息管理研究。E?mail: luanjp0801@163.com
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
栾佳萍
张连翀
曾怡

引用本文:

栾佳萍,张连翀,曾怡. 基于Landsat 8的全球精选遥感数据集汇聚方法[J]. 遥感技术与应用, 2019, 34(6): 1276-1285.

Jiaping Luan,Lianchong Zhang,Yi Zeng. Integrating Method of Global Selected Remote Sensing Dataset based on Landsat 8. Remote Sensing Technology and Application, 2019, 34(6): 1276-1285.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2019.6.1276        http://www.rsta.ac.cn/CN/Y2019/V34/I6/1276

数据检索方式检索过程检索结果形式不足

数据集

检索

将数据集作为数据检索分类依据进行初步筛选,反馈给用户某种数据集的全部数据。用户还需根据给出的数据标识、条带号、行编号、日期、云量、经纬度等其他信息及实际需求手动再筛选将数据检索结果定位至具体的每景数据,并列出该景影像的基本信息(包含卫星、传感器、拍摄时间等)反馈给用户用户无法按需获取数据子集,需人工参与数据筛选过程,增加了用户数据检索的时间成本。数据检索效率与检索结果的使用效率较低

关键词

检索

将卫星名称、传感器类型、时间跨度、空间范围等基本参数信息作为检索关键词,供用户选择。系统采用关键词匹配方法,将全部检索结果反馈给用户,用户需在检索结果中逐一判断得到的数据是否为所需数据,再进行其他操作检索结果冗余度高,在用户逐一对检索结果判断比较的过程中,数据检索结果的准确性以及数据检索效率大大降低,无法保证数据检索结果的优质性

列表式

检索

将数据产品作为检索分类依据为用户提供数据:将该数据产品的全部数据进行无序列表展示,用户则需根据实际需求逐一判断、选择,自行完成数据筛选的过程检索结果过于庞大且杂乱无章,给用户的再筛选操作形成了极大的障碍,且容易出现数据缺失现象,数据质量难以保证
表1  现有遥感数据检索方式分析
图1  遥感数据检索结果质量分析评价指标
卫星名称代表空间完整性的标记字段举例说明实际含义

GF

系列

Scene Path

Scene Row

Sat Path

Sat Row

<ScenePath>6</ScenePath>

<SceneRow>129</SceneRow>

<SatPath>4</SatPath>

<SatRow>129</SatRow>

将影像数据的空间位置细分为景和卫星的Path、Row
Landsat系列

WRS Path

WRS Row

Target WRS Path

Target WRS Row

WRS Path:176

WRS ROW:54

Target WRS Path:176

Target WRS Row:54

采用Path、Row识别WRS网格的二维坐标
MODIS系列

OrbitNumber

WestBoundingCoordinate

NorthBoundingCoordinate

EastBoundingCoordinate

SouthBoundingCoordinate

ORBITNUMBER VALUE= 85670

WESTBOUNDINGCOORDINATE

VALUE = 128.999347893881

NORTHBOUNDINGCOORDINATE

VALUE= 55.3441979976743

EASTBOUNDINGCOORDINATE

VALUE= 164.713876587881

SOUTHBOUNDINGCOORDINATE

VALUE= 33.7270156539346

利用轨道数及4个边界坐标来标识空间完整性
Sentinel系列

Sensing_Oribt_Number

Sensing_Orbit_Direction

Ext_Pos_List

<SENSING_ORBIT_NUMBER>32

</SENSING_ORBIT_NUMBER>

<SENSING_ORBIT_DIRECTION>DESCENDING

</SENSING_ORBIT_DIRECTION>

<EXT_POS_LIST>38.7554480974141 ……

</EXT_POS_LIST>

通过传感器的轨道号、轨道方向以及外部位置列表来实现对空间完整性的描述
表2  不同类型的卫星对空间完整性的描述
卫星名称代表时间邻近性的标记字段举例说明实际含义

GF

系列

Receive Time

Start Time

End Time

Center Time

Product Time

<ReceiveTime>2016-11-21 03:55:50</ReceiveTime>

<StartTime>2016-11-21 11:55:34</StartTime>

<EndTime>2016-11-21 11:56:05</EndTime>

<CenterTime>2016-11-21 11:55:50</CenterTime>

<ProduceTime>2016-11-22 00:41:14</ProduceTime>

描述数据的成像起止时间、中间时间及数据产品的生成时间

Landsat

系列

Data Acquired

Start Time

Stop Time

Data Acquired:2015/12/31

Start Time:2015:365:08:29:40.9958230

Stop Time:2015:365:08:30:12.7658200

描述获取数据的具体日期时间以及数据产品生成时间

MODIS

系列

Productiondatetime

RangeBeginningDate

RangeBeginningTime

RangeEndDate

RangeEndTime

PRODUCTIONDATETIME

VALUE= "2018-06-12T17:04:59.000Z"

RANGEBEGINNINGDATE VALUE = "2018-06-12"

RANGEBEGINNINGTIME VALUE= "03:05:00.000000"

RANGEENDINGDATE VALUE= "2018-06-12"

RANGEENDINGTIME VALUE= "03:10:00.000000"

描述获取数据的具体日期、时间以及数据产品的生成时间

Sentinel

系列

Product_Start_Time

Product_Stop_Time

Generation_Time

<PRODUCT_START_TIME>

2018-03-31T02:55:41.026Z</PRODUCT_START_TIME>

<PRODUCT_STOP_TIME>

2018-03-31T02:55:41.026Z</PRODUCT_STOP_TIME>

<GENERATION_TIME>

2018-03-31T06:34:26.000000Z</GENERATION_TIME>

描述获取数据的具体日期、时间以及数据产品的生成时间
表3  不同类型的卫星对时间邻近性的描述
卫星名称代表云覆盖量的标记字段举例说明实际含义

GF

系列

Cloud Percent<CloudPercent>30</CloudPercent>描述云覆盖量的数值大小(以百分数的形式体现)

Landsat

系列

Cloud Cover

Cloud Cover_Land

Cloud Cover = 1.59

Cloud Cover_Land= 1.59

景云标记,指从特定位置观察到云层遮蔽的天空所占份数

MODIS

系列

Non Cloud Obstruction Found Pct

ADDITIONALATTRIBUTENAME= "NonCloudObstructionFoundPct"

PARAMETERVALUE VALUE= " 0.90"

利用“无云障碍百分比”作为衡量云覆盖量的标准

Sentinel

系列

Cloud Coverage Assessment

<Cloud_Coverage_Assessment>4.27

</Cloud_Coverage_Assessment>

对云覆盖量的评估(以数值的形式体现)
表4  不同类型卫星对云覆盖量的描述
图2  精选遥感数据集汇聚技术路线
图3  最简化精选遥感数据集汇聚技术路线
图4  定制化精选遥感数据集汇聚过程
图5  2017年全球Landsat 8遥感卫星有效数据云覆盖量
图6  最简化精选遥感数据集汇聚结果
图7  定制化精选遥感数据集汇聚结果
实验结果数据名称有效数据景数(景)占有效存档数据的百分比
有效存档数据233 838100%

最简化精选遥感数据集汇聚方法

筛选结果数据

13 9685.97%

定制化精选遥感数据集汇聚方法

筛选结果数据

111 01947.48%
表5  实验结果对比分析表
1 Li Feng, You Shucheng, Wei Hai, et al. A Optimal Dataset Screening Model for Remote-sensing Imagery Regional Coverage[J]. Radio Engineering, 2017, 47( 10): 45- 48.
1 李峰, 尤淑撑, 魏海, 等. 遥感影像区域覆盖最优数据集的筛选模型[J]. 无线电工程, 2017, 47( 10): 45- 48.
2 Chen Yani. Quality Evaluation Methods Research and Software Design for Remote Sensing Images[D]. Hangzhou: Zhejiang University, 2017.
2 陈亚妮. 遥感图像质量评价方法研究与软件设计[D]. 杭州:浙江大学, 2017.
3 Cheng Tao. Exploring Management and Service Mode for Remote Sensing Data in Big Data Era[J]. Remote Sensing for Land & Resources, 2016, 28( 4): 202- 206.
3 程滔. 大数据时代遥感数据管理与服务模式探索[J]. 国土资源遥感, 2016, 28( 4): 202- 206.
4 Wen Li. Thick Cloud Detection in Ocean Remote Images and Study of Fusion in the FFT Domain[D]. Shenzhen: Shenzhen University, 2016.
4 文莉. 大幅面海洋遥感图像厚云检测与傅里叶域融合研究[D]. 深圳:深圳大学, 2016.
5 Yang Yan. Study on Method of Urban Area Land Cover Classification based on ZY-3[D]. Chongqing: Southwest University, 2016.
5 杨俨. 资源三号卫星遥感影像城市地表覆盖分类方法研究[D]. 重庆:西南大学, 2016.
6 Li Shengyang, Yu Haijun, Han Jie, et al. Design and Implementation of Efficient Visualization Management System for Massive Remote Sensing Images based on Three-dimensional Globe[J]. Remote Sensing Technology and Application, 2016, 31( 1): 170- 176.
6 李盛阳, 于海军, 韩洁, 等. 基于三维地球的海量遥感影像高效可视化管理系统的设计与实现[J]. 遥感技术与应用, 2016, 31( 1): 170- 176.
7 Feng Shuyi, Zhang Ning, Shen Ji, et al. Method of Cloud Detection with Hyper Spectral Remote Sensing Image based on the Reflective Characteristics[J]. Chinese Optics, 2015, 8( 2): 198- 204.
7 冯书谊, 张宁, 沈霁, 等. 基于反射率特性的高光谱遥感图像云检测方法研究[J]. 中国光学, 2015, 8( 2): 198- 204.
8 Hou Shuwei, Sun Wenfang, Zheng Xiaosong. Overview of Cloud Detection Methods in Remote Sensing Images[J]. Space Electronic Technology, 2014, 11( 3): 68- 76, 86.
8 侯舒维,孙文方,郑小松. 遥感图像云检测方法综述[J]. 空间电子技术, 2014, 11( 3): 68- 76, 86.
9 Luan Feng, Ning Fanghui, Teng Huizhong. Mass Data Management Model of RS Images[J]. Hydrographic Surveying & Charting, 2014, 34( 5): 76- 78.
9 栾峰,宁方辉,滕惠忠. 面向海量遥感影像的数据模型与管理模型设计[J]. 海洋测绘, 2014, 34( 5): 76- 78.
10 Wang Shicheng. Research on Evaluation Model of Processing Capacity Demand for Remote-sensing Data Service Systems[J]. Radio Engineering, 2013, 43( 4): 61- 64.
10 王士成. 遥感数据服务系统能力需求估算方法研究[J]. 无线电工程, 2013, 43( 4): 61- 64.
11 Ni Ruixi. A Method of Heterogeneous Data Query based on JSON[J]. Radio Communications Technology, 2013, 39( 1): 73- 76.
11 倪睿熙. 一种基于JSON的异构数据查询方法[J]. 无线电通信技术, 2013, 39( 1): 73- 76.
12 Chen Junyong. Study Notes on Geographic National Condition Monitoring[J]. Acta Geodaetica et Cartographica Sinica, 2012, 41( 5): 633- 635.
12 陈俊勇. 地理国情监测的学习札记[J]. 测绘学报, 2012, 41( 5): 633- 635.
13 Du Genyuan. Study on the Key Technology of Large-scale Content-based Remote Sensing Image Retrieval[D]. Chengdu: Chengdu University of Technology, 2011.
13 杜根远. 海量遥感图像内容检索关键技术研究[D]. 成都:成都理工大学, 2011.
14 Xie Bingchuan, Chen Luo, Zhao Liang, et al. Mechanism of Cataloging and Retrieval over Distributed Massive Remote Sensing Image[J]. Computer Engineering, 2010, 36( 20): 281- 282,285.
14 谢冰川, 陈荦, 赵亮, 等. 分布式海量遥感影像编目检索机制[J]. 计算机工程, 2010, 36( 20): 281- 282,285.
15 Miao Lixin, Li Xia, Zhou Lianfang, et al. Fast Approach for Querying Coverage of Multi-source RS Data and Its Realization based on ENVI/IDL[J]. Remote Sensing Technology and Application, 2010, 25( 4): 502- 509.
15 苗立新, 李霞, 周连芳, 等. 基于ENVI/IDL的多源遥感数据覆盖范围快速查询技术及实现[J]. 遥感技术与应用, 2010, 25( 4): 502- 509.
16 Zuo Xianyu, Xiong Minghao, Huang Xiangzhi, et al. A Full Coverage Retrieval Mode and Method for Remote Sensing Tile Data[J]. Journal of Henan University(Natural Science Edition), 2018, 48( 3): 299- 308.
16 左宪禹, 熊明豪, 黄祥志, 等. 面向遥感瓦片数据的一次全覆盖检索模式和方法[J]. 河南大学学报(自然科学版), 2018, 48( 3): 299- 308.
[1] 冯婵莹, 汪子豪, 郑成洋. 基于分层线性回归的MODIS反照率产品降尺度方法研究[J]. 遥感技术与应用, 2019, 34(3): 602-611.
[2] 李晓慧, 王宏, 李晓兵, 迟登凯, 汤曾伟, 韩重远. 基于多时相Landsat 8 OLI影像的农作物遥感分类研究[J]. 遥感技术与应用, 2019, 34(2): 389-397.
[3] 李军, 龚围, 辛晓洲, 高阳华. 重庆地表温度的遥感反演及其空间分异特征[J]. 遥感技术与应用, 2018, 33(5): 820-829.
[4] 汪子豪, 秦其明, 孙元亨.

基于BP神经网络的地表温度空间降尺度方法 [J]. 遥感技术与应用, 2018, 33(5): 793-802.

[5] 施佩荣,陈永富,刘华,吴云华. 基于分割评价函数的多尺度分割参数的选择[J]. 遥感技术与应用, 2018, 33(4): 628-637.
[6] 史新,周买春. 基于Landsat 8数据的3种地表温度反演算法在三河坝流域的对比分析[J]. 遥感技术与应用, 2018, 33(3): 465-475.
[7] 赵航,陈方, 张美美. 基于改进C-V模型的冰湖轮廓提取方法研究[J]. 遥感技术与应用, 2018, 33(1): 177-184.
[8] 何炳伟,赵伟,李爱农,冯文兰,谭剑波,雷光斌,南希. 基于Landsat 8遥感影像的新旧城区热环境特征对比研究-以成都市为例[J]. 遥感技术与应用, 2017, 32(6): 1141-1150.
[9] 张雅,尹小君,王伟强. 基于Landsat 8 OLI遥感影像的天山北坡草地地上生物量估算[J]. 遥感技术与应用, 2017, 32(6): 1012-1021.
[10] 王猛猛,何国金,张兆明,王桂周,尹然宇,龙腾飞. 基于Landsat 8 TIRS数据的大气水汽含量反演劈窗算法[J]. 遥感技术与应用, 2017, 32(1): 166-172.
[11] 赵伟,李爱农,张正健,边金虎,靳华安,尹高飞,南希,雷光斌. 基于Landsat8热红外遥感数据的山地地表温度地形效应研究[J]. 遥感技术与应用, 2016, 31(1): 63-73.
[12] 蒋大林,匡鸿海,曹晓峰,黄艺,李发荣. 基于Landsat 8的地表温度反演算法研究—以滇池流域为例[J]. 遥感技术与应用, 2015, 30(3): 448-454.
[13] 徐婷,曹林,佘光辉. 基于Landsat 8 OLI的特征变量优化提取及森林生物量反演[J]. 遥感技术与应用, 2015, 30(2): 226-234.